Orientador: Víctor Hugo Lachos Dávila / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática Estatística e Computação Científica / Made available in DSpace on 2018-08-27T06:40:31Z (GMT). No. of bitstreams: 1 GalarzaMorales_ChristianEduardo_M.pdf: 5076076 bytes, checksum: 0967f08c9ad75f9e7f5df339563ef75a (MD5) Previous issue date: 2015 / Resumo: Os dados longitudinais são frequentemente analisados usando modelos de efeitos mistos normais. Além disso, os métodos de estimação tradicionais baseiam-se em regressão na média da distribuição considerada, o que leva a estimação de parâmetros não robusta quando a distribuição do erro não é normal. Em comparação com a abordagem de regressão na média convencional, a regressão quantílica (RQ) pode caracterizar toda a distribuição condicional da variável de resposta e é mais robusta na presença de outliers e especificações erradas da distribuição do erro. Esta tese desenvolve uma abordagem baseada em verossimilhança para analisar modelos de RQ para dados longitudinais contínuos correlacionados através da distribuição Laplace assimétrica (DLA). Explorando a conveniente representação hierárquica da DLA, a nossa abordagem clássica segue a aproximação estocástica do algoritmo EM (SAEM) para derivar estimativas de máxima verossimilhança (MV) exatas dos efeitos fixos e componentes de variância em modelos lineares e não lineares de efeitos mistos. Nós avaliamos o desempenho do algoritmo em amostras finitas e as propriedades assintóticas das estimativas de MV através de experimentos empíricos e aplicações para quatro conjuntos de dados reais. Os algoritmos SAEMs propostos são implementados nos pacotes do R qrLMM() e qrNLMM() respectivamente / Abstract: Longitudinal data are frequently analyzed using normal mixed effects models. Moreover, the traditional estimation methods are based on mean regression, which leads to non-robust parameter estimation for non-normal error distributions. Compared to the conventional mean regression approach, quantile regression (QR) can characterize the entire conditional distribution of the outcome variable and is more robust to the presence of outliers and misspecification of the error distribution. This thesis develops a likelihood-based approach to analyzing QR models for correlated continuous longitudinal data via the asymmetric Laplace distribution (ALD). Exploiting the nice hierarchical representation of the ALD, our classical approach follows the stochastic Approximation of the EM (SAEM) algorithm for deriving exact maximum likelihood (ML) estimates of the fixed-effects and variance components in linear and nonlinear mixed effects models. We evaluate the finite sample performance of the algorithm and the asymptotic properties of the ML estimates through empirical experiments and applications to four real life datasets. The proposed SAEMs algorithms are implemented in the R packages qrLMM() and qrNLMM() respectively / Mestrado / Estatistica / Mestre em Estatística

Os modelos normais de regressão têm sido utilizados durante muitos anos para a análise de dados. Mesmo nos casos em que a normalidade não podia ser suposta, tentava-se algum tipo de transformação com o intuito de alcançar a normalidade procurada. No entanto, na prática, essas suposições sobre normalidade e linearidade nem sempre são satisfeitas. Como alternativas à técnica clássica, foram desenvolvidas novas classes de modelos de regressão. Nesse contexto, focamos a classe de modelos em que a distribuição assumida para a variável resposta pertence à classe de distribuições simétricas. O objetivo geral desse trabalho é a modelagem desta classe no contexto bayesiano, em particular a modelagem da classe de modelos não-lineares heterocedásticos simétricos. Vale ressaltar que esse trabalho tem ligação com duas linhas de pesquisa, a saber: a inferência estatística abordando aspectos da teoria assintótica e a inferência bayesiana considerando aspectos de modelagem e critérios de seleção de modelos baseados em métodos de simulação de Monte Carlo em Cadeia de Markov (MCMC). Uma primeira etapa consiste em apresentar a classe dos modelos não-lineares heterocedásticos simétricos bem como a inferência clássica dos parâmetros desses modelos. Posteriormente, propomos uma abordagem bayesiana para esses modelos, cujo objetivo é mostrar sua viabilidade e comparar a inferência bayesiana dos parâmetros estimados via métodos MCMC com a inferência clássica das estimativas obtidas por meio da ferramenta GAMLSS. Além disso, utilizamos o método bayesiano de análise de influência caso a caso baseado na divergência de Kullback-Leibler para detectar observações influentes nos dados. A implementação computacional foi desenvolvida no software R e para detalhes dos programas pode ser consultado aos autores do trabalho / The normal regression models have been used for many years for data analysis. Even in cases where normality could not be assumed, was trying to be some kind of transformation in order to achieve the normality sought. However, in practice, these assumptions about normality and linearity are not always satisfied. As alternatives to classical technique new classes of regression models were developed. In this context, we focus on the class of models in which the distribution assumed for the response variable belongs to the symmetric distributions class. The aim of this work is the modeling of this class in the bayesian context, in particular the modeling of the nonlinear models heteroscedastic symmetric class. Note that this work is connected with two research lines, the statistical inference addressing aspects of asymptotic theory and the bayesian inference considering aspects of modeling and criteria for models selection based on simulation methods Monte Carlo Markov Chain (MCMC). A first step is to present the nonlinear models heteroscedastic symmetric class as well as the classic inference of parameters of these models. Subsequently, we propose a bayesian approach to these models, whose objective is to show their feasibility and compare the estimated parameters bayesian inference by MCMC methods with the classical inference of the estimates obtained by GAMLSS tool. In addition, we use the bayesian method of influence analysis on a case based on the Kullback-Leibler divergence for detecting influential observations in the data. The computational implementation was developed in the software R and programs details can be found at the studys authors

É comum o estudo da estabilidade fenótipica em genoótipos de cana-de-açúcar. Varias são as metodologias para estudar a interação genótipos x ambientes (G x E). O desafio para os melhoristas é encontrar variedades de cana-de-açúcar com desempenho superior em diversos ambientes, ou seja, que sejam altamente produtivas e também responsivas com a melhoria do ambiente. O estudo das metodologias permite verificar se determinada técnica biométrica é eficiente para expressar o comportamento de genótipos em vários ambientes e tambem permite aprimorá-las para que as conclusões sejam mais confiáveis. Este trabalho teve como objetivo comparar dois métodos de regressão utilizados para avaliar a estabilidade fenótipica em variedades de cana-de-açúcar: o linear, de Cruz, Torres e Vencovsky (1989) e o não-linear, de Toler e Burrows (1998). Foram utilizados dados da variável tonelada de cana por hectare - TCH, fornecidos pelo Programa de Melhoramento Genetico da Cana-de- Acucar da UFSCar, compreendendo sete locais e 18 genótipos de cana-de-açúcar. Quando se realizou o enquadramento dos genotipos nos diferentes grupos, 17 genotipos dos 18 avaliados enquadraram-se nos mesmos grupos em ambos os métodos. Os coeficientes de determinação foram similares, sendo que 11 genótipos apresentaram melhor ajuste ao modelo de Cruz et al., enquanto que este numero foi de sete para o modelo de Toler e Burrows. As análises indicaram que ambas metodologias produziram resultados similares. / It is common to study the phenotypic stability of sugarcane genotypes. There are several methods to study the genotype by environment interaction . The challenge for breeders is to nd varieties of sugarcane with superior performance dierent environments, i.e, that are highly productive and responsive to environmental improvement. The study of methodologies allows to verify whether certain technique biometrics is eective to express the behavior of genotypes in several environments and it also allows improving them so that the conclusions are more reliable. This study aimed to compare two regression methods used to evaluate the phenotypic stability of varieties of sugarcane: the linear method by Cruz, Torres e Vencovsky (1989), and non-linear, by Toler and Burrows (1998). We used the variable data tons of cane per hectare - TCH, which were provided by the Genetic Improvement Program of Sugarcane in UFSCar, including seven locations and 18 genotypes. When genotypes were grouped according to stability and yield, 17 of the 18 genotypes evaluated were classied in the same groups, in both methods. The coecients of determination were similar, 11 genotypes showing better adjustment to the model of Cruz et al., while this number was seven for the Toler and Burrows\' model. The analysis indicated that both methodologies produced similiar results.

Made available in DSpace on 2016-06-02T20:06:07Z (GMT). No. of bitstreams: 1 4453.pdf: 2980949 bytes, checksum: a5e49490266d2a0b649d487d8bf298d5 (MD5) Previous issue date: 2012-03-23 / Financiadora de Estudos e Projetos / In ecology, understanding the species-area relationship (SARs) are extremely important to determine species diversity. SARs are fundamental to assess the impact due to the destruction of natural habitats, creation of biodiversity maps, to determine the minimum area to preserve. In this study, the number of species is observed in different area sizes. These studies are referred in the literature through nonlinear models without assuming any distribution for the data. In this situation, it only makes sense to consider areas in which the counts of species are greater than zero. As the dependent variable is a count data, we assume that this variable comes from a known distribution for discrete data positive. In this paper, we used the zero truncated Poisson distribution (ZTP) and zero truncated Negative Binomial (ZTNB) to represent the probability distribution of the random variable species diversity number. To describe the relationship between species diversity and habitat, we consider nonlinear models with asymptotic behavior: Exponencial Negativo, Weibull, Logístico, Chapman-Richards, Gompertz e Beta. In this paper, we take a Bayesian approach to fit models. With the purpose of obtain the conditional distributions, we propose the use of latent variables to implement the Gibbs sampler. Introducing a comparative study through simulated data and will consider an application to a real data set. / Em ecologia, a compreensão da relação espécie-área (SARs) é de extrema importância para a determinação da diversidade de espécies e avaliar o impacto devido à destruição de habitats naturais. Neste estudo, observa-se o número de espécies em diferentes tamanhos de área. Estes estudos são abordados na literatura através de modelos não lineares sem assumir alguma distribuição para os dados. Nesta situação, só faz sentido considerar áreas nas quais as contagens das espécies são maiores do que zero. Como a variável dependente é um dado de contagem, assumiremos que esta variável provém de alguma distribuição conhecida para dados discretos positivos. Neste trabalho, utilizamos as distribuições de Poisson zero-truncada (PZT) e Binomial Negativa zero-truncada (BNZT) para representar a distribuição do número de espécies. Para descrever a relação espécie-área, consideramos os modelos não lineares com comportamento assintótico: Exponencial Negativo, Weibull, Logístico, Chapman-Richards, Gompertz e Beta. Neste trabalho os modelos foram ajustados através do método de verossimilhança, sendo proposto uma abordagem Bayesiana com a utilização de variáveis latentes auxiliares para a implementação do Amostrador de Gibbs.

Este trabalho propõe um modelo dinâmico para análise de populações de plantas daninhas resistentes a herbicidas. O modelo representa a dinâmica populacional causada por um aumento na proporção de plantas resistentes a herbicidas, resultante da recombinação genética modificada pela pressão seletiva causada pelo herbicida. O aumento da resistência causa uma diminuição na eficácia da dose aplicada do herbicida sobre toda população e, eventualmente, compromete o controle desta população. São apresentados resultados de simulação da planta daninha Bidens subalternans, resistente ao herbicida nicosulfuron e tolerante ao herbicida atrazine, e da planta daninha Bidens pilosa, resistente ao herbicida chlorimuron-ethyl e tolerante ao herbicida imazetaphyr para diferentes doses de herbicidas. / This paper proposes a dynamic model for analysis of herbicide resistance in weed populations. The model represents population dynamic caused by an increase in the proportion of plants resistant to herbicides, resulting from genetic recombination modified by selective pressure caused by herbicide. The increase of resistance decreases the efficacy of the applied dose of herbicide over the entire population and, eventually compromises the population control. Results of simulation for different doses are presented for the weed Bidens subalternans, resistant to nicosulfuron and tolerant to atrazine, and for the weed Bidens pilosa, resistant to herbicide chlorimuron-ethyl and tolerant to imazetaphyr.

Após o ajuste individual das 55 vacas estudadas pelo modelo Gompertz difá- sico com estrutura de erros autorregressiva de ordem 1 (totalizando 7 parâmetros), notou-se que apenas 6 vacas tinham problemas nas estimativas de seus parâmetros (não convergentes ou não signicativos), dessa forma continuou-se o trabalho proposto com 49 animais. Com as estimativas de cada um dos parâmetros (variáveis nessa etapa) foi realizada a análise de componentes principais e observação do gráco biplot, sendo possível a constatação de que 2 dos parâmetros do modelo continham informações ambíguas com pelo menos um dos demais parâmetros e estes foram retirados da análise, restando 5 parâmetros para o estudo. A análise de componentes principais foi realizada novamente apenas com os 5 parâmetros restantes e os três primeiros componentes principais (escolhidos pelo critério da percentagem de variância original explicada) foram utilizados como variáveis em um processo de agrupamento hierárquico. Após a realização da análise de agrupamentos, observou-se que 5 grupos homogêneos de animais foram formados, cada um com caraterísticas distintas. Desta forma, foi possível identicar animais que se destacavam, positiva ou negativamente, no que tange ao seu peso assintótico e taxa de crescimento. / After individual adjustment of the 55 cows studied using the diphasic Gompertz model with autoregressive structure of errors (totalizing 7 parameters), it was noted that only 6 cows had problems on estimates of the parameters (not converged or not signicant), then the proposed work continued with 49 animals. With each of the parameters estimates (variables at this stage) was performed a principal component analysis and observation of the biplot, and it was possible to nd that two of the model parameters contained ambiguous information with at least one of the other parameters, then these 2 parameters were removed from the analysis, leaving 5 parameters for the study. The principal component analysis was performed again with only ve remaining parameters and the rst three principal components (chosen by the criterion of percentage of original explained variance) were used as variables in a process of hierarchical clustering. After performing the cluster analysis, we found that ve homogeneous groups of animals were formed, each with distinct characteristics. Thus, it was possible to identify animals that stood out, positively or negatively, in terms of their asymptotic weight and growth rate.

Dados consistindo de medidas repetidas tomadas em um mesmo indivíduo são muito comuns na agricultura e biologia. A modelagem de dados desta natureza usualmente envolve a caracterização da relação entre medidas repetidas e covariáveis. Em muitas aplicações, a relação proposta entre as medidas repetidas tem um comportamento não-linear nos parâmetros desconhecidos de interesse. Por exemplo, em estudo de crescimento de arvores, geralmente o comportamento da variável resposta e melhor descrito por um modelo não-linear nos parâmetros porque estes modelos caracterizam melhor a realidade dos fenômenos biológicos em estudo e porque e possvel uma interpretação biológica dos parâmetros. A presença de medidas repetidas em um indivíduo requer um cuidado particular na caracterização da variac~ao entre medidas dentro de uma mesma unidade experimental e entre unidades. Dados observados na mesma unidade experimental são correlacionados, e é provável que essa correlação decaia ao longo do tempo e que haja variações entre as medidas. Neste trabalho considera-se duas estruturas de covariâncias: erros aleatórios e independentes com media zero e variância 2, esta formulação não incorpora uma possível dependência entre as observações tomadas no mesmo indivíduo, que e comum em estudos longitudinais. Portanto, e importante ter modelos que acomodem a dependência (entre e dentre dos indivíduos) e a heterocedasticidade na sua formulação. Então, considerou-se outra estrutura de covariância, chamada não-estruturada, com a nulidade de permitir que os dados \"contribuam\" na estrutura da matriz de covariâncias. Neste trabalho analisou-se um delineamento em blocos casualizados assumindo um modelo bayesiano hierárquico de três estágios. No primeiro estagio, modelou-se a variação dentro do indivíduo, no segundo estagio a variação entre indivíduos. Este estágio da hierarquia da uma relação explícita entre os parâmetros aleatórios do modelo. No terceiro estagio foi incorporada a incerteza relativa as quantidades desconhecidas no modelo. Para a analise estatística, utilizou-se um conjunto de dados de um experimento conduzido pela Klabin Fabricadora de Papel e Celulose S.A., do Paraná, Brasil, envolvendo duas espécies de eucaliptos e espaçamentos 10 que foram completamente aleatorizados em blocos; em que a variável resposta, definida como o volume solido com casca, foi observada em 16 indivíduos, e quatro indivíduos foram aleatorizados para cada um dos quatro tratamentos. O modelo de Gompertz foi utilizado para representar o crescimento esperado das arvores de eucaliptos. Usando o modelo de Gompertz e possível ter uma interpretação biológica dos parâmetros. Considerando diferentes estruturas de covariância entre as observações, um programa para a analise de dados foi implementado no WinBUGS. / Data consisting of repeated measurements taken on each of a number of individual arise commonly in agricultural and biological applications. Modeling data of this kind usually involves the characterization of the relationship between the measured response and covariate. In many application,the proposed systematic relationship between the measured response is nonlinear in unknown parameters of interest. For example, in growing studies of trees, generally the behavior of the response variable over time is best described by a nonlinear model in the parameters of interest because this model characterizes better the reality of biological phenomenon in study and because is possible to do a biological interpretation of the parameters. The presence of repeated observations on an individual requires particular care in characterizing the random variation among measurements within a given individual and random variation among individuals. Likely the observations made on the same unit are correlated, probability decreasing over time and possible the variances are growth among the serial measurements. In this work we considerer two covariance structure namely: independent random error vectors whose elements are also independent with mean zero and variance 2, but this formulation does not incorporate possible dependence among the observation taken on the same subject neither that in longitudinal studies it is quite common to have the variances varying along the ordered dimension. Therefore, it is important to have models that allow for both dependences (within and between subjects) and also for heteroscedasticity in their formulations. Then we considerer other covariance structure namely: the structure is a non structure which permit that the data set \\tells\"about the covariance structure. In this work we analyzed a randomized block design assuming a three-stage Bayesian hierarchical model. On the rst stage, we model the intra-individual variation, on the second stage, we model the inter-individual variation. This stage of hierarchy gives an explicit relationship between the random parameters. On the third stage, we dene the hyperprior distribution to incorporate the uncertainty about the unknown parameters. For the statistical analysis we used a data set 12 from a experiment conducted at Klabin Fabricadora de Papel e Celulose S.A. from Parana, Brazil, involving two Eucalyptus species and two spacings in a complete randomized design; where the response variable, dened as the solid volume with bark, was evaluated for each of 16 subjects (groups of Eucalyptus trees), and four subjects were randomly assigned to one of four treatments. To represent the expected growing function of the Eucalyptus\'s tree Gompertz nonlinear model was used. Using the Gompertz nonlinear model is possible to a biological interpretation of the parameters. Considering dierent structures covariance within subjects, a program for the analysis of the data set was implemented in WinBUGS.

Neste trabalho, desenvolvemos três tópicos relacionados a modelos de regressão da família exponencial. No primeiro tópico, obtivemos a matriz de covariância assintótica de ordem $n^$, onde $n$ é o tamanho da amostra, dos estimadores de máxima verossimilhança corrigidos pelo viés de ordem $n^$ em modelos lineares generalizados, considerando o parâmetro de precisão conhecido. No segundo tópico calculamos o coeficiente de assimetria assintótico de ordem n^{-1/2} para a distribuição dos estimadores de máxima verossimilhança dos parâmetros que modelam a média e dos parâmetros de precisão e dispersão em modelos não-lineares da família exponencial, considerando o parâmetro de dispersão desconhecido, porém o mesmo para todas as observações. Finalmente, obtivemos fatores de correção tipo-Bartlett para o teste escore em modelos não-lineares da família exponencial, considerando covariáveis para modelar o parâmetro de dispersão. Avaliamos os resultados obtidos nos três tópicos desenvolvidos por meio de estudos de simulação de Monte Carlo / In this work, we develop three topics related to the exponential family nonlinear regression. First, we obtain the asymptotic covariance matrix of order $n^$, where $n$ is the sample size, for the maximum likelihood estimators corrected by the bias of order $n^$ in generalized linear models, considering the precision parameter known. Second, we calculate an asymptotic formula of order $n^{-1/2}$ for the skewness of the distribution of the maximum likelihood estimators of the mean parameters and of the precision and dispersion parameters in exponential family nonlinear models considering that the dispersion parameter is the same although unknown for all observations. Finally, we obtain Bartlett-type correction factors for the score test in exponential family nonlinear models assuming that the precision parameter is modelled by covariates. Monte Carlo simulation studies are developed to evaluate the results obtained in the three topics.

Essa dissertação apresenta o desenvolvimento métodos para caracterização da conectividade entre séries temporais neurofisiológicas. Utilizam-se metodologias provenientes da Teoria da Informação Entropias Aproximada e Amostral para representar a complexidade da série no tempo, o que permite inferir como sua variabilidade se transfere a outras sequências, através do uso da coerência parcial direcionada. Para cada sistema analisado: (1) Faz-se uma transformação em outro, relacionando-o às medidas de entropia, (2) Estima-se a conectividade pela coerência parcial direcionada e (3) Avalia-se a robustez do procedimento via simulações de Monte Carlo e análise de sensibilidade. Para os exemplos simulados, a técnica proposta é capaz de oferecer resultados plausíveis, através da correta inferência da direção de conectividade em casos de acoplamento não-linear (quadrático), com número reduzido de amostras temporais dos sinais, em que outras abordagens falham. Embora de simples implementação, conclui-se que o processo mostra-se como uma extensão da causalidade de Granger para o caso não-linear. / The purpose of this work is to present the development of methods for characterizing the connectivity between nonlinear neurophysiological time series. Methodologies from Information Theory Approximate and Sample Entropies are used to represent the complexity of the series in a period of time, which allows inferring on how its variability is transferred to other sequences, using partial directed coherence. Methods: For each system under consideration, (1) It is done a transformation in another, relating it to measures of entropy, (2) The connectivity is estimated by the use of partial directed coherence and (3) The robustness of the procedure is analyzed via Monte Carlo simulations and sensitivity analysis. Results: For the simulated examples, the proposed technique is able to offer plausible results, through the correct inference of the connectivity direction, in cases of nonlinear coupling (quadratic), with a reduced number of signals samples, where other approaches fail. Conclusion: The process proves to be an extension of the Granger causality to the nonlinear case.

Dados consistindo de medidas repetidas tomadas em um mesmo indivíduo são muito comuns na agricultura e biologia. A modelagem de dados desta natureza usualmente envolve a caracterização da relação entre medidas repetidas e covariáveis. Em muitas aplicações, a relação proposta entre as medidas repetidas tem um comportamento não-linear nos parâmetros desconhecidos de interesse. Por exemplo, em estudo de crescimento de arvores, geralmente o comportamento da variável resposta e melhor descrito por um modelo não-linear nos parâmetros porque estes modelos caracterizam melhor a realidade dos fenômenos biológicos em estudo e porque e possvel uma interpretação biológica dos parâmetros. A presença de medidas repetidas em um indivíduo requer um cuidado particular na caracterização da variac~ao entre medidas dentro de uma mesma unidade experimental e entre unidades. Dados observados na mesma unidade experimental são correlacionados, e é provável que essa correlação decaia ao longo do tempo e que haja variações entre as medidas. Neste trabalho considera-se duas estruturas de covariâncias: erros aleatórios e independentes com media zero e variância 2, esta formulação não incorpora uma possível dependência entre as observações tomadas no mesmo indivíduo, que e comum em estudos longitudinais. Portanto, e importante ter modelos que acomodem a dependência (entre e dentre dos indivíduos) e a heterocedasticidade na sua formulação. Então, considerou-se outra estrutura de covariância, chamada não-estruturada, com a nulidade de permitir que os dados \"contribuam\" na estrutura da matriz de covariâncias. Neste trabalho analisou-se um delineamento em blocos casualizados assumindo um modelo bayesiano hierárquico de três estágios. No primeiro estagio, modelou-se a variação dentro do indivíduo, no segundo estagio a variação entre indivíduos. Este estágio da hierarquia da uma relação explícita entre os parâmetros aleatórios do modelo. No terceiro estagio foi incorporada a incerteza relativa as quantidades desconhecidas no modelo. Para a analise estatística, utilizou-se um conjunto de dados de um experimento conduzido pela Klabin Fabricadora de Papel e Celulose S.A., do Paraná, Brasil, envolvendo duas espécies de eucaliptos e espaçamentos 10 que foram completamente aleatorizados em blocos; em que a variável resposta, definida como o volume solido com casca, foi observada em 16 indivíduos, e quatro indivíduos foram aleatorizados para cada um dos quatro tratamentos. O modelo de Gompertz foi utilizado para representar o crescimento esperado das arvores de eucaliptos. Usando o modelo de Gompertz e possível ter uma interpretação biológica dos parâmetros. Considerando diferentes estruturas de covariância entre as observações, um programa para a analise de dados foi implementado no WinBUGS. / Data consisting of repeated measurements taken on each of a number of individual arise commonly in agricultural and biological applications. Modeling data of this kind usually involves the characterization of the relationship between the measured response and covariate. In many application,the proposed systematic relationship between the measured response is nonlinear in unknown parameters of interest. For example, in growing studies of trees, generally the behavior of the response variable over time is best described by a nonlinear model in the parameters of interest because this model characterizes better the reality of biological phenomenon in study and because is possible to do a biological interpretation of the parameters. The presence of repeated observations on an individual requires particular care in characterizing the random variation among measurements within a given individual and random variation among individuals. Likely the observations made on the same unit are correlated, probability decreasing over time and possible the variances are growth among the serial measurements. In this work we considerer two covariance structure namely: independent random error vectors whose elements are also independent with mean zero and variance 2, but this formulation does not incorporate possible dependence among the observation taken on the same subject neither that in longitudinal studies it is quite common to have the variances varying along the ordered dimension. Therefore, it is important to have models that allow for both dependences (within and between subjects) and also for heteroscedasticity in their formulations. Then we considerer other covariance structure namely: the structure is a non structure which permit that the data set \\tells\"about the covariance structure. In this work we analyzed a randomized block design assuming a three-stage Bayesian hierarchical model. On the rst stage, we model the intra-individual variation, on the second stage, we model the inter-individual variation. This stage of hierarchy gives an explicit relationship between the random parameters. On the third stage, we dene the hyperprior distribution to incorporate the uncertainty about the unknown parameters. For the statistical analysis we used a data set 12 from a experiment conducted at Klabin Fabricadora de Papel e Celulose S.A. from Parana, Brazil, involving two Eucalyptus species and two spacings in a complete randomized design; where the response variable, dened as the solid volume with bark, was evaluated for each of 16 subjects (groups of Eucalyptus trees), and four subjects were randomly assigned to one of four treatments. To represent the expected growing function of the Eucalyptus\'s tree Gompertz nonlinear model was used. Using the Gompertz nonlinear model is possible to a biological interpretation of the parameters. Considering dierent structures covariance within subjects, a program for the analysis of the data set was implemented in WinBUGS.